پارتیشن بندی زمانی گراف برای خوشه بندی در سیستم های برچسب دار

در عصر حاضر رشد اطلاعات در دنیای وب 2.0 به حدی بوده است که به علت حجم وسیع داده ها و اطلاعات و همچنین تغییر برخی مفاهیم در طی گذر زمان، اطلاعات غیرضروری و غیر مرتبط بسیاری با آنچه کاربران به دنبال آن هستند، به وجود آمده است.در این مقاله ما برای حل این مشکل، خوشه بندی زمانی برچسب ها در سیستم هایی که از برچسب به عنوان یک متاداده استفاده کردهو در طی زمان در حال تغییر می باشند را پیشنهاد می دهیم. این عمل از طریقپارتیشن بندی زمانی گراف برچسب هاست، به طوری که با تغییر دادن وزن های مشابهت برچسب ها در طی زمان، خوشه بندی ما هم دچار تغییر شده و خودش را با تغییرات وفق می دهد. برای نشان دادن کارایی این روش، ما آن را بر روی مجموعه داده سایت متافیلتر اجرا کرده و با روش های مشابه مقایسه کردیم. نتایج نشان دهنده این مطلب است که روش پیشنهادی ما،F-Measureمیانگین خوشه ها را 24% نسبت به بهترین روش مشابه در طول زمان، بهبود بخشیده است و ازنظر مفهومی، هم با مفاهیم گذشته وهم با مطالب روز در ارتباط است.